根据折叠式电动车的功能要求,设计出一种折叠机构,并对折叠机构进行尺寸优化。根据折叠式电动车展开和折叠两种状态的要求设计出一种六杆机构,对该机构进行尺寸综合,分别建立展开和折叠两种状态下的数学模型。建立优化模型并确定设计参数,以折叠后尺寸最小和整车最轻便为目标建立优化模型的目标函数,根据功能和面向用户的人机工程、整车刚度等要求建立约束条件,采用MATLAB中的多目标优化算法,计算得到最优结果。建立优化后的折叠机构的三维模型,在插件Motion中进行运动仿真,验证了机构的合理性。

为了提高热轧钢带表面缺陷分类的检测准确率和速度,同时鉴于热轧钢带缺陷的数据库规模较小,提出结合参数迁移学习的卷积神经网络模型,来解决少量样本导致网络过拟合和精度低的问题。使用源域的最优参数作为模型的参数初始化,节省训练的周期;构建训练目标域的神经网络模型,使用预训练模型网络中的参数和结构,对目标域进行特征迁移;进行finetune,结合inception-v3结构的全连接层映射到目标域所需要的特征向量维度。实验使用现有热轧钢带表面缺陷数据库中的图片,有6类缺陷。通过对比改进AlexNet模型和结合迁移学习的模型,在测试集的实验平均准确率分别约为96.6%,99.8%,分类效果优于传统视觉分类算法。并且在实验中观察到结合参数迁移学习的损失更小和权重收敛速度更快。